1 、 抓取网页
每个独立的搜索引擎都有自己的网页抓取程序(spider )。Spider 顺着网页中的超链 接,连续地抓取网页。被抓取的网页被称之为网页快照 。由于互联网中超链接 的应用很普 遍,理论上,从一定范围的网页出发,就能搜集到绝大多数的网页。
2 、处理网页
搜索引擎抓到网页后,还要做大量的预处理工作,才能提供检索服务。其中,最重要的就是提取关键 词,建立索引文件。其他还包括去除重复网页、分词(中文)、判断网页类型、分析超链接、计算网页的重要度/ 丰富度等。
3 、提供检索服务
用户输入关键词进行检索,搜索引擎从索引数据库中找到匹配该关键词的网页;为了用户便于判断, 除了网页标题 和URL 外,还会 提供一段来自网页的摘要以及其他信息。